TensorFlow 是一个端到端的开源机器学习平台，拥有广泛而灵活的生态系统，包括 工具，库 和 社区资源。它让研究人员能够在机器学习领域推动前沿技术，同时也使开发者能够轻松构建并部署由机器学习驱动的应用程序。
TensorFlow 原本由谷歌大脑机器智能团队的研究员和工程师开发，用于在机器学习和神经网络领域进行研究。然而，该框架适用于其他各种场景。
TensorFlow 提供稳定的 Python 和 C++ API，以及一个不保证向后兼容的其他语言 API。
通过订阅 announce@tensorflow.org 以获取版本更新公告和安全更新通知。查看所有 邮件列表。
安装
请参阅 TensorFlow 安装指南 来安装 pip 包，启用 GPU 支持，使用 Docker 容器 或者 从源代码编译。
要安装包含对 CUDA 兼容 GPU 卡支持的最新发行版（适用于 Ubuntu 和 Windows）：
$ pip install tensorflow
对于其他设备（如 DirectX 和 MacOS-metal），可以通过 设备插件 进行支持。
也可以选择安装仅支持 CPU 的较小包：
$ pip install tensorflow-cpu
要升级到 TensorFlow 的最新版本，请在上述命令中添加 --upgrade 标志。
也可以使用 tf-nightly 和 tf-nightly-cpu 在 PyPi 上获取测试用的夜间构建版本。
尝试你的第一个 TensorFlow 程序
$ python
>>> import tensorflow as tf
>>> tf.add(1, 2).numpy()
3
>>> hello = tf.constant('Hello, TensorFlow!')
>>> hello.numpy()
b'Hello, TensorFlow!'
查看 TensorFlow 教程 获取更多示例。
贡献指南
如果想要为 TensorFlow 贡献代码，请务必查阅 贡献指南。该项目遵循 TensorFlow 的 行为准则。参与意味着您同意遵守这一准则。
我们使用 GitHub 问题 来追踪请求和 bug，如果您有普通问题和讨论，建议访问 TensorFlow 论坛，具体的问题请提交到 Stack Overflow。
TensorFlow 项目致力于遵循开源软件开发的一般最佳实践。
补丁指导原则
按照以下步骤为特定版本的 TensorFlow 打补丁，例如，修复错误或安全漏洞：
克隆 TensorFlow 仓库并切换到对应目标版本分支，例如，分支 r2.8 对应于版本 2.8。
应用（即，挑选）所需更改，并解决任何代码冲突。
运行 TensorFlow 测试，确保它们都通过。
从源代码构建 TensorFlow pip 包。
持续构建状态
您可以在 TensorFlow SIG Build 社区构建表格 中找到更多社区支持的平台和配置。
官方构建
构建类型 状态 资料
Linux CPU PyPI
Linux GPU PyPI
Linux XLA 待定
macOS PyPI
Windows CPU PyPI
Windows GPU PyPI
Android 下载
树莓派 0 和 1 Py3
树莓派 2 和 3 Py3
Libtensorflow MacOS CPU 状态暂时不可用 夜间二进制 官方 GCS
Libtensorflow Linux CPU 状态暂时不可用 夜间二进制 官方 GCS
Libtensorflow Linux GPU 状态暂时不可用 夜间二进制 官方 GCS
Libtensorflow Windows CPU 状态暂时不可用 夜间二进制 官方 GCS
Libtensorflow Windows GPU 状态暂时不可用 夜间二进制 官方 GCS
资源
TensorFlow 官方网站
TensorFlow 教程
TensorFlow 官方模型库
TensorFlow 示例
TensorFlow Codelabs
TensorFlow 博客
学习 TensorFlow 机器学习
TensorFlow 推特
TensorFlow YouTube 频道
TensorFlow 模型优化路线图
TensorFlow 学术论文
TensorBoard 可视化工具包
TensorFlow 代码搜索
深入了解 TensorFlow 社区 以及如何 贡献。
课程
Coursera
Udacity
Edx
许可证
Apache 许可证 2.0
